王子兵

【摘 要】航空制造企業(yè)通常有很多個廠區(qū)車間，由于航空制造生產(chǎn)系統(tǒng)運行和管理非常復(fù)雜，所以生產(chǎn)制造的計劃和調(diào)度非常重要。科學(xué)合理的生產(chǎn)計劃調(diào)度可以降低企業(yè)生產(chǎn)成本、減小產(chǎn)品制造的周期，大幅提高生產(chǎn)效率。本文基于這個問題，采用遺傳算法對車間的多個工件在多個機(jī)床上加工情況進(jìn)行優(yōu)化，通過設(shè)計適合的適應(yīng)度函數(shù)和約束條件，不斷迭代優(yōu)化使得工件加工指標(biāo)達(dá)到最優(yōu)，以最短的時間加工最多的工件，從根本上解決車間的生產(chǎn)效率，顯著提高了企業(yè)的經(jīng)濟(jì)效益。

【關(guān)鍵詞】生產(chǎn)管理 遺傳算法 調(diào)度

1 引言

航空制造企業(yè)規(guī)模一般比較大，通常有很多個廠區(qū)、上百個車間。由于航空制造生產(chǎn)系統(tǒng)運行和管理非常復(fù)雜，所以生產(chǎn)制造的計劃和調(diào)度非常重要。科學(xué)合理的生產(chǎn)計劃調(diào)度可以降低企業(yè)生產(chǎn)成本、減小產(chǎn)品制造的周期，大幅提高生產(chǎn)效率，提高企業(yè)的經(jīng)濟(jì)效益。

車間管理內(nèi)容主要是編制生產(chǎn)作業(yè)計劃、作業(yè)排序、生產(chǎn)調(diào)度、生產(chǎn)進(jìn)度監(jiān)控、生產(chǎn)統(tǒng)計、質(zhì)量檢查和抽檢等。目前的管理方式存在效率低下、計劃編制粗糙、信息傳遞太慢和相關(guān)作業(yè)文檔查找和回溯非常困難等缺點，很難適應(yīng)當(dāng)今越來越激烈的市場競爭。本文基于這個問題，針對航空制造企業(yè)的車間調(diào)度問題，采用遺傳算法對車間的多個工件在多個機(jī)床上加工情況進(jìn)行優(yōu)化，通過優(yōu)化使得工件加工指標(biāo)達(dá)到最優(yōu)，以最短的時間加工最多的工件，從根本上解決車間的生產(chǎn)效率。充分利用遺傳算法調(diào)優(yōu)車間調(diào)度和生產(chǎn)計劃，使車間調(diào)度和生產(chǎn)計劃的編制更加科學(xué)，按照生產(chǎn)計劃的具體安排情況，進(jìn)一步原材料的需求分析及計劃，使得人員、設(shè)備、工具分配更加合理，進(jìn)一步提升車間管理水平。

2 遺傳算法介紹

遺傳算法是根據(jù)自然界優(yōu)勝劣汰的選擇方式，把適應(yīng)性最強(qiáng)的物種群體遺傳下來。它具有全局尋找最優(yōu)的能力，可以自動在搜索空間上進(jìn)行學(xué)習(xí)和優(yōu)化，不需要再進(jìn)行人為干預(yù)搜索過程。遺傳算法具有不受函數(shù)約束條件的限制優(yōu)點，它不是從單個個體開始搜索，具有并行搜索的特性，可以大大減少陷入局部極小的可能性。遺傳算法采用的隨機(jī)操作，具有全局的搜索能力，非常適用于搜索復(fù)雜問題和非線性問題的優(yōu)化。

遺傳算法步驟包括編碼、初始群體生產(chǎn)、適應(yīng)度函數(shù)設(shè)計及評估、選擇、交叉和變異操作。該算法是一個群體操作算法，由若干的初始群體作為初始輸入，用隨機(jī)方法來生成初始群體，初始群體的規(guī)模越大，則遺傳算法的就能更好的找到最優(yōu)解，但是初始群體的規(guī)模太大則會使計算量成倍的增加。選擇通常采用比例選擇，選取概率正比于個體的適配值，變異通過所及改變個體中的基因來產(chǎn)生新的個體，可以增強(qiáng)種群的多樣性，避免過早收斂。遺傳算法是一種隨機(jī)優(yōu)化的算法，它是通過對個體的評價和染色體的作用，有效利用已有的種群信息來全局搜索改善優(yōu)化質(zhì)量的算法。

3 系統(tǒng)設(shè)計實現(xiàn)

車間調(diào)度問題就生產(chǎn)方式分類可分為開環(huán)車間和閉環(huán)車間。開環(huán)車間調(diào)度不考慮庫存數(shù)量問題，只分析訂單產(chǎn)品在所有設(shè)備上的加工排序問題。閉環(huán)車間調(diào)度在零件加工順序基礎(chǔ)上，還必須滿足特定的生產(chǎn)工藝條件下使生產(chǎn)性能達(dá)到最優(yōu)。機(jī)床的使用效率主要受加工輔助時間、機(jī)床質(zhì)量、機(jī)床的故障率和車間作業(yè)計劃是否科學(xué)等因素有關(guān)。本文針對車間的多個工件在多個機(jī)床上加工情況進(jìn)行優(yōu)化，優(yōu)化目的在最短的時間內(nèi)加工最多的工件。

車間調(diào)度優(yōu)化具體分為以下步驟：首先對種群P（m）初始化，這里m代表迭代次數(shù)，然后局部搜索，改進(jìn)初始種群，獲得最終的初始P（m），如果滿足具體的優(yōu)化條件，則結(jié)束遺傳算法優(yōu)化，如果達(dá)不到條件則繼續(xù)，進(jìn)行種群P（m）的具體生產(chǎn)，通過搜索改進(jìn)再次生成的臨時種群，獲得最終優(yōu)化后臨時的P（m），借助替換策略獲得下一代種群P（m+1），然后再判斷是否滿足收斂條件，如果滿足則優(yōu)化結(jié)束。遺傳算法的種群規(guī)模、雜交概率和變異概率本文通過嘗試計算的方式來確定。最后通過遺傳算法的收斂準(zhǔn)則按照目標(biāo)函數(shù)值從小到大查找最優(yōu)方案，只要滿足目標(biāo)函數(shù)值為當(dāng)前最小和方案為可行即滿足所有約束條件，則局部尋優(yōu)結(jié)束，得到最優(yōu)解，計算結(jié)束。

在設(shè)計適應(yīng)度函數(shù)時，應(yīng)縮小超級個體的適應(yīng)度，防止出現(xiàn)過早收斂。在搜索過程的中后期，雖然個體的多樣性得到保證，但是種群的平均適應(yīng)度可能會接近群體的最優(yōu)適應(yīng)度，可能會出現(xiàn)停滯現(xiàn)象。遺傳算法設(shè)計思路就是在尋找更優(yōu)解，在選擇、交叉和變異等操作中體現(xiàn)。通過對多個工件在多臺機(jī)床的大規(guī)模車間調(diào)度優(yōu)化求解，使用遺傳算法可以尋求到最優(yōu)解，使得車間作業(yè)調(diào)度達(dá)到最優(yōu)，顯著的提高了生產(chǎn)作業(yè)效率，提高了經(jīng)濟(jì)效益和企業(yè)競爭力。

4 結(jié)語

航空制造業(yè)中，由于工廠車間眾多，導(dǎo)致相應(yīng)的車間調(diào)度問題非常復(fù)雜。如何更加科學(xué)的調(diào)度，編制更加科學(xué)的車間調(diào)度計劃和生產(chǎn)作業(yè)計劃，則是航空制造企業(yè)管理者最為重要的問題。本文通過在調(diào)度優(yōu)化中普遍使用的遺傳算法，針對多個工件在多臺機(jī)床進(jìn)行加工的調(diào)度優(yōu)化問題進(jìn)行尋找最優(yōu)調(diào)度方案，通過遺傳算法的不斷尋優(yōu)，最終得到的最優(yōu)解進(jìn)行實際車間調(diào)度計劃管理，通過實際檢驗，能夠顯著提高車間調(diào)度水平，使得調(diào)度更加科學(xué)，顯著提高了企業(yè)的生產(chǎn)效率，使得企業(yè)的車間調(diào)度水平更加科學(xué)。

參考文獻(xiàn)：

[1]張元亮.基于遺傳算法的混合分形編碼[J].自動化學(xué)報，1999（01）.

[2]徐雯雯.基于遺傳算法的車間動態(tài)粗調(diào)度研究[D].山東大學(xué)，2010.

[3]田青.自適應(yīng)小生境混合遺傳算法在車間調(diào)度問題中的研究[D].湘潭大學(xué)，2011.